腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

Java使用PDFBox處理PDF的完全指南

更新時間：2025年07月04日 08:10:31 作者：SimonKing

在日常開發(fā)中,我們可能會遇到PDF的處理,如PDF的內(nèi)容提取、分割、合并等操作,本文就來和大家介紹一個Apache出品的工具PDFBox,完美解決PDF的解析生成與操作難題,下面我們就來看看具體使用吧

01 引言

在日常開發(fā)中，我們可能會遇到PDF的處理，如PDF的內(nèi)容提取、分割、合并等操作。你們都是用什么工具操作的呢？

今天介紹一款Apache出品的工具PDFBox，作為Apache基金會開源項目，它以輕量級、高擴展性著稱，完美解決PDF的解析、生成與操作難題。

官網(wǎng)地址：pdfbox.apache.org/

02 核心功能一覽

Apache PDFBox庫是用于處理PDF文檔的開源 Java 工具。此項目允許創(chuàng)建新的 PDF 文檔、作現(xiàn)有文檔以及從文檔中提取內(nèi)容的能力。Apache PDFBox 還包括幾個命令行實用程序。Apache PDFBox 在 Apache 許可證 v2.0 下發(fā)布。

主要有8個功能：

從PDF文件提取中文本
PDF的合并和分割
從PDF表單中提取數(shù)據(jù)，或填充PDF表單
驗證PDF否符合PDF/A-1b標準
使用標準的Java打印API打印PDF文件
將PDF文件另存為圖像格式
從零開始創(chuàng)建PDF文件，包括嵌入字體和圖像
對PDF文件進行數(shù)字簽名

03 功能展示

Apache PDFBox 主要提供了8個功能，通過演示幾個常用的功能，了解一下Apache PDFBox的魅力。

展示的版本為當(dāng)期那最新版本3.0.5：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>3.0.5</version>
</dependency>

3.1 文本提取

文本提取的關(guān)鍵類：org.apache.pdfbox.text.PDFTextStripper

 @Test
void test01() throws IOException {
    try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"))){
        PDFTextStripper textStripper = new PDFTextStripper();
        String text = textStripper.getText(pdDocument);
        System.out.println(text);
    }
}

因為PDDocument使用完畢之后需要關(guān)閉資源，類似JDK中的流。這里使用try-with-resources自動關(guān)閉資源。案例提取了一張網(wǎng) 約車發(fā)票的信息。

結(jié)果展示

3.2 PDF合并

PDF合并的關(guān)鍵類是：org.apache.pdfbox.multipdf.PDFMergerUtility

@Test
void test02() throws IOException {
    PDFMergerUtility pdfMerger = new PDFMergerUtility();
    pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));
    pdfMerger.addSource(ResourceUtils.getFile("classpath:pdf/wyc-fp2.pdf"));

    // 設(shè)置合并后的pdf名稱
     pdfMerger.setDestinationFileName("merge-fp.pdf");
//        pdfMerger.setDestinationStream(new FileOutputStream(file));

    pdfMerger.mergeDocuments(MemoryUsageSetting.setupMainMemoryOnly().streamCache);
    System.out.println("PDF文件合并完成");
}

通過addSource()方法，添加要合并的PDF資源。然后設(shè)置合并后的PDF名稱，也可以通過setDestinationStream()指定合并的PDF保存的位置。

執(zhí)行結(jié)果

默認保存在項目的根路徑下面:

3.3 提取圖像

提取PDF中圖像的關(guān)鍵類：org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject

@Test
void test03() throws Exception {
    try (PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));) {
        // 獲取第一頁：因為只有一頁
        PDPage page = pdDocument.getPage(0);

        PDResources resources = page.getResources();
        Iterable<COSName> xObjectNames = resources.getXObjectNames();
        for (COSName xObjectName : xObjectNames) {
            // 判斷是否包含圖片對象
            if (resources.isImageXObject(xObjectName)) {
                PDImageXObject imageObject = (PDImageXObject) resources.getXObject(xObjectName);
                BufferedImage bImage = imageObject.getImage();
                // 將圖像保存為 PNG 格式
                try (ByteArrayOutputStream baos = new ByteArrayOutputStream()) {
                    // 將圖片寫入輸出流里面
                    ImageIO.write(bImage, "png", baos);
                    byte[] imageBytes = baos.toByteArray();
                    String imageFilePath = "image_" + System.currentTimeMillis() + ".png";
                    try (FileOutputStream fos = new FileOutputStream(imageFilePath)) {
                        fos.write(imageBytes);
                        System.out.println("Page Image path: " + imageFilePath);
                    }
                }
            }
        }
    }
}

通過resources.getXObject(xObjectName)獲取圖像資源，通過ImageIO.write()寫到輸出流里面

執(zhí)行結(jié)果

可以看出打印和輸出的圖片名稱和圖片。提取出了那些圖片呢？

這里為了方便截圖，將三張圖展示在了一起。

3.4 增加簽章

增加簽章的關(guān)鍵類：org.apache.pdfbox.pdmodel.PDPageContentStream

@Test
void test04() throws Exception {
    PDDocument pdDocument = Loader.loadPDF(ResourceUtils.getFile("classpath:pdf/wyc-fp.pdf"));
    PDImageXObject pdImage = PDImageXObject.createFromFile("src/main/resources/pdf/apache-logo.jpg", pdDocument);
    // 設(shè)置logo的寬度和高度
    float imageWidth = 100;
    float imageHeight = 100;

    if (pdDocument != null) {
        PDPage page = pdDocument.getPage(pdDocument.getNumberOfPages() - 1);
        float pageWidth = page.getMediaBox().getWidth();;

        // 計算logo位置：頁面右下角
        float x = pageWidth - imageWidth - 20; // 右邊距20
        float y = 20; // 下邊距20

        // 為最后一頁創(chuàng)建一個新的內(nèi)容流以添加logo
        try (PDPageContentStream contentStream = new PDPageContentStream(pdDocument, page,
                PDPageContentStream.AppendMode.APPEND, true, true)) {
            // 繪制logo圖片
            contentStream.drawImage(pdImage, x, y, imageWidth, imageHeight);
        }
        pdDocument.save("logo_" + System.currentTimeMillis() + ".pdf"); // 保存修改后的PDF
    }
}

這里的簽章用的是Apache的logo。將簽章放在右下角。

執(zhí)行結(jié)果

04 避坑指南

4.1 內(nèi)存泄露的風(fēng)險

用完必須關(guān)閉文檔對象。推薦Try-with-resources：

try (PDDocument pdDocument = Loader.loadPDF(file)){
     // ***  
}

4.2 版本差異

2.0.x與3.0存在API部分不兼容，如：

// 2.0.x 加載文件
PDDocument.load(file)
    
// 3.0 加載文件
Loader.loadPDF(file)

4.3 JDK版本要求差異

2.0.x與3.0對JDK版本最低要求不一樣

# 2.0.x 最低要求：JDK1.6

# 3.0 最低要求：JDK1.8

05 小結(jié)

Apache PDFBox以其簡潔的API設(shè)計和強大的底層能力，成為Java開發(fā)者處理PDF的首選利器。無論是自動化報表生成還是文檔分析系統(tǒng)，它都能提供可靠支持。結(jié)合本文的代碼示例與避坑指南，可快速構(gòu)建穩(wěn)健的PDF處理流程。

以上就是Java使用PDFBox處理PDF的完全指南的詳細內(nèi)容，更多關(guān)于Java PDFBox處理PDF的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: